مقاله وضوح تصویر فوق العاده کارآمد از طریق شبکه توجه بصری متقارن

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Efficient Image Super-Resolution via Symmetric Visual Attention Network
عنوان مقاله به فارسی مقاله تصویر فوق العاده با وضوح تصویر از طریق شبکه توجه بصری متقارن
نویسندگان Chengxu Wu, Qinrui Fan, Shu Hu, Xi Wu, Xin Wang, Jing Hu
زبان مقاله انگلیسی
فرمت مقاله: PDF
تعداد صفحات 13
دسته بندی موضوعات Computer Vision and Pattern Recognition,Image and Video Processing,چشم انداز رایانه و تشخیص الگوی , پردازش تصویر و فیلم ,
توضیحات Submitted 16 January, 2024; originally announced January 2024. , Comments: 13 pages,4 figures
توضیحات به فارسی 16 ژانویه 2024 ارسال شد.در ابتدا ژانویه 2024 اعلام شد ، نظرات: 13 صفحه ، 4 شکل

چکیده

An important development direction in the Single-Image Super-Resolution (SISR) algorithms is to improve the efficiency of the algorithms. Recently, efficient Super-Resolution (SR) research focuses on reducing model complexity and improving efficiency through improved deep small kernel convolution, leading to a small receptive field. The large receptive field obtained by large kernel convolution can significantly improve image quality, but the computational cost is too high. To improve the reconstruction details of efficient super-resolution reconstruction, we propose a Symmetric Visual Attention Network (SVAN) by applying large receptive fields. The SVAN decomposes a large kernel convolution into three different combinations of convolution operations and combines them with an attention mechanism to form a Symmetric Large Kernel Attention Block (SLKAB), which forms a symmetric attention block with a bottleneck structure by the size of the receptive field in the convolution combination to extract depth features effectively as the basic component of the SVAN. Our network gets a large receptive field while minimizing the number of parameters and improving the perceptual ability of the model. The experimental results show that the proposed SVAN can obtain high-quality super-resolution reconstruction results using only about 30% of the parameters of existing SOTA methods.

چکیده به فارسی (ترجمه ماشینی)

یک جهت توسعه مهم در الگوریتم های تک تصویر فوق العاده با وضوح (SISR) بهبود کارایی الگوریتم ها است.به تازگی ، تحقیقات کارآمد با وضوح فوق العاده (SR) بر کاهش پیچیدگی مدل و بهبود کارآیی از طریق بهبود یافته عمیق هسته کوچک ، تمرکز دارد و منجر به یک میدان گیرنده کوچک می شود.میدان پذیرنده بزرگ به دست آمده توسط حلقوی هسته بزرگ می تواند به طور قابل توجهی کیفیت تصویر را بهبود بخشد ، اما هزینه محاسباتی خیلی زیاد است.برای بهبود جزئیات بازسازی بازسازی کارآمد با وضوح فوق العاده ، ما یک شبکه توجه بصری متقارن (SVAN) را با استفاده از زمینه های پذیرنده بزرگ پیشنهاد می کنیم.SVAN یک ترکیب هسته بزرگ را به سه ترکیب مختلف از عملیات حلقوی تجزیه می کند و آنها را با مکانیسم توجه ترکیب می کند تا یک بلوک توجه هسته بزرگ متقارن (SLKAB) را تشکیل دهد ، که یک بلوک توجه متقارن با یک ساختار تنگنا با اندازه میدان گیرنده تشکیل می دهددر ترکیب Convolution برای استخراج ویژگی های عمق به طور مؤثر به عنوان مؤلفه اصلی SVAN.شبکه ما ضمن به حداقل رساندن تعداد پارامترها و بهبود توانایی ادراکی مدل ، یک میدان پذیرش بزرگ را بدست می آورد.نتایج تجربی نشان می دهد که SVAN پیشنهادی می تواند با استفاده از تنها حدود 30 ٪ از پارامترهای روشهای SOTA موجود ، نتایج بازسازی فوق العاده با کیفیت بالا را بدست آورد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.